9783319815008 - machine learning for evolution strategies (studies in big data, band 20) von kramer, oliver (3 Ergebnisse)
Sprache: Englisch
Verlag: Springer, 2018
- Softcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 114,85
EUR 14,00 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
Sprache: Englisch
Verlag: Springer, 2018
- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 95,25
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Machine Learning for Evolution Strategies | Oliver Kramer | Taschenbuch | ix | Englisch | 2018 | Springer | EAN 9783319815008 | Verantwortliche Person für die EU: Springer Verlag GmbH, Tiergartenstr. 17, 69121 Heidelberg, juergen[dot]hartmann[at]springer[dot]com | Anbieter: preigu.
Sprache: Englisch
Verlag: Springer, Berlin, Springer International Publishing, Springer, 2018
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 109,94
EUR 61,10 VersandVersand von Deutschland nach USAAnzahl: 2 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - This bookintroduces numerous algorithmic hybridizations between both worlds that showhow machine learning can improve and support evolution strategies. The set ofmethods comprises covariance matrix estimation, meta-modeling of fitness andconstraint f…unctions, dimensionality reduction for search and visualization ofhigh-dimensional optimization processes, and clustering-based niching. Aftergiving an introduction to evolution strategies and machine learning, the bookbuilds the bridge between both worlds with an algorithmic and experimentalperspective. Experiments mostly employ a (1+1)-ES and are implemented in Pythonusing the machine learning library scikit-learn. The examples are conducted ontypical benchmark problems illustrating algorithmic concepts and theirexperimental behavior. The book closes with a discussion of related lines ofresearch.
